论文部分内容阅读
芝麻品质的快速无损检测是保证芝麻收购、储藏过程中按质定价的重要技术手段，为研究芝麻品质的近红外光谱快速检测方法，本课题收集了来自全国各地（主要集中于中原地区）的白芝麻66种，黑芝麻62种，选取水分、灰分、蛋白质、粗脂肪和芝麻素等品质指标进行测定分析，并利用近红外谷物分析仪在570nm～1100nm范围内对芝麻整粒光谱进行采集，结合品质指标的化学测定值，对影响模型结果的条件：光谱散射处理、数学处理参数和回归技术进行考察，选取最优的建模条件参数，建立芝麻品质的定量检测模型。分别选用None、Inverse MSC、None、Detrend only、Standard MSC去散射方式，采用“2，4，4，1”、“3，10，10，1”、“1，4，4，1”、“4，3，3，1”、“3，4，4，1”数学处理方法，运用Modified PLS回归技术建立白芝麻水分、灰分、蛋白质、粗脂肪和芝麻素近红外预测模型，定标相关系数（RSQ）分别为0.9964、0.9124、0.9786、0.9949、0.8808；通过模型内部交叉检验和外部验证，交叉验证相关系数（1-VR）分别为0.9381、0.9095、0.9447、0.9759、0.8788，验证相关系数R~2分别为0.942、0.920、0.968、0.973、0.834，五个指标的相对标准偏差RSD均小于10%，水分、蛋白质和粗脂肪相对分析误差RPD均大于3，灰分RPD大于2.5而小于3，芝麻素RPD小于2.5。分别选用Detrend only、Weight MSC、Detrend only、SNV+Detrend、Detrend only去散射方式，采用“2，3，3，1”、“3，10，10，1”、“1，3，3，1”、“2，3，3，1”、“3，1，1，1”数学处理方法，运用Modified PLS回归技术（粗脂肪选用PLS回归技术）处理黑芝麻近红外光谱图，建立水分、灰分、蛋白质、粗脂肪和芝麻素定标模型。RSQ分别为0.9304、0.8935、0.9166、0.9703、0.8758；通过模型内部交叉检验和外部验证，1-VR分别为0.9068、0.8861、0.9043、0.9221、0.8306，验证相关系数R~2分别为0.902、0.879、0.913、0.917、0.714，五个指标的RSD除芝麻素定标相对标准偏差大于10%外。其余都小于10%，水分、蛋白质和粗脂肪相对分析误差RPD均大于3，灰分RPD大于2.5而小于3，芝麻素RPD小于2.5。进过模型内部交叉验证和外部检验，白芝麻和黑芝麻灰分模型精度较差，只能用于粗略检测；芝麻素模型由于相关系数较低，相对标准差较大，相对分析误差小于2.5，不能用于定量检测；其余成分的各项决定系数较高，各项误差小，因此定标效果均较好，都达到了实用程度，可以进行快速预测。近红外光谱检测技术可以作为测定芝麻水分、蛋白质、粗脂肪含量的一种方法，应用于芝麻品质快速、无损检测的研究。